SUPOSICIONES DEL MODELO DE PROGRAMACIN LINEAL

PROPORCIONALIDAD

La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional

al nivel de actividad xj, como lo representa el trmino cjxj en la funcin objetivo. De
manera similar, la contribucin de cada actividad al lado izquierdo de cada
restriccin funcional es proporcional al nivel de la actividad xj, en la forma en que
lo representa el trmino aijxj en la restriccin. En consecuencia, esta suposicin
elimina cualquier exponente diferente a 1 para las variables en cualquier trmino
de las funciones (ya sea la funcin objetivo o la funcin en el lado izquierdo de las
restricciones funcionales) en un modelo de programacin lineal.

ACTIVIDAD

Establece que la entrada y salida de un recurso en particular al conjunto de

actividades, deben ser la misma cantidad; o sea, que las actividades transforman
los recursos y no los crean o destruyen. Esta suposicin garantiza que la
contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la
suma de las contribuciones individuales. Cuando en un problema dado no se
tenga la aditividad puede recurrirse al empleo de otras tcnicas de la
programacin matemtica, dependiendo de cada caso en particular.

ADITIVIDAD

Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el

lado izquierdo de las restricciones funcionales) es la suma de lascontribuciones
individuales de las actividades respectivas.

DIVISIBILIDAD

Las variables de decisin en un modelo de programacin lineal pueden

tomarcualquier valor, incluyendo valores no enteros, que satisfagan las
restricciones funcionales y de no negatividad. As, estas variables no estn
restringidas a slo valores enteros. Como cada variable de decisin representa el
nivel de alguna actividad, se supondr que las actividades se pueden realizar
a niveles fraccinales.

LIMITACIONES DEL MODELO DE PROGRAMACIN LINEAL

MODELO DETERMINSTICO

El modelo de PL involucra nicamente tres tipos de parmetros: Cj, aij y bi; de ah

su sencillez y gran aplicacin. Sin embargo, el valor de dichos parmetros debe
ser conocido y constante. Cuando el valor de los parmetros tiene un cierto riesgo
o incertidumbre, pude utilizarse la programacin paramdica, la programacin
estocstica, o realizarse un anlisis de sensibilidad.

MODELO ESTTICO

En algunos modelos matemticos se han empleado con xito las ecuaciones

diferenciales, para inducir la variable tiempo en ellos. En este sentido, puede
decidirse que la PL utiliza un modelo esttico, ya que la variable tiempo no se
involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de
modelos de PL, puede imbuirse la temporabilidad mencionada, con el uso de
subndices en las variables.

MODELO QUE NO SUB-OPTIMIZA

Debido a la forma que se plantea el modelo de PL, o encuentra la solucin ptima

o declara que sta no existe. Cuando no es posible obtener una solucin ptima y
se debe obtener alguna, se recurre a otra tcnica ms avanzada que la PL, la cual
se denomina programacin lineal por metas.

PORTAFOLIOS DE INVERSION
DIETAS
Una de las aplicaciones clsicas de la Programacin Lineal es el Problema de la
Dieta. El objetivo es seleccionar un conjunto de alimentos dados que permitan
satisfacer ciertos requerimientos nutricionales y preferencias y que adicionalmente
tenga un costo mnimo.
En este contexto en el Servidor NEOS se puede encontrar un conjunto de
antecedentes que permiten comprender el contexto histrico del Problema de la
Dieta y cmo se puede abordar de forma eficiente a travs de modelos de
optimizacin. Al igual que varias de las aplicaciones de la Investigacin de
Operaciones este problema tiene un origen militar.
Para efectos de este tutorial y con el objetivo de ilustrar esta aplicacin
consideremos el siguiente listado de alimentos con su perfil nutricional y costo
monetario:
 Se desea proponer una dieta que contenga al menos 2.000 (Kcal) , al menos 55
gramos de protena y 800 (mg) de calcio. Adicionalmente para garantizar cierta
variedad en la dieta se establece lmites de porciones por da en los alimentos.
Con esta informacin se requiere encontrar la dieta que tenga el menor costo
asociado y permita satisfacer los requerimientos anteriores.

Para ello definimos el siguiente modelo de Programacin Lineal:

1. Variables de Decisin: Xi : Porciones de alimentos a consumir durante el da
del alimento i (Con i=1 ==> Avena, . i=6 ==> Porotos).
2. Funcin Objetivo: Minimizar 30X1+240X2+130X3+90X4+200X5+60X6
3. Restricciones:
Mnimo de Calorias (KCal): 110X1+205X2+160X3+160X4+420X5+260X6
>= 2.000
Mnimo de Protenas: 4X1+32X2+13X3+8X4+4X5+14X6 >= 55
Mnimo de Calcio: 2X1+12X2+54X3+285X4+22X5+80X6 >= 800
Variedad de la Dieta: X1<=4 X2<=3 X3<=2 X4<=8 X5<=2 X6<=2
No Negatividad: Xi>=0 Para todo i.
PLANEACION AGREGADA

La planeacin o planificacin es un proceso cuyo principal objetivo es determinar

una estrategia de forma anticipada que permita que se satisfagan unos
requerimientos de produccin, optimizando los recursos de un sistema productivo.
La planeacin agregada aborda la determinacin de la fuerza laboral, la cantidad
de produccin, los niveles de inventario y la capacidad externa, con el objetivo de
satisfacer los requerimientos para un horizonte de planificacin de medio plazo (6
a 18 meses).

POR QU SE LE LLAMA PLANEACIN "AGREGADA"?

A la planeacin efectuada en un horizonte temporal de medio plazo se le conoce

como "agregada" debido a que no desglosa una cantidad de produccin detallada
en referencias, sino que considera familias de productos. As mismo se consideran
los recursos del sistema, en familias de recursos, as por ejemplo, el tiempo de
planificacin no se detalla a un nivel de rdenes de trabajo (da a da), sino que se
planifica en periodos de tiempo que conforman un horizonte temporal de
planificacin a medio plazo. sta planeacin ser posteriormente desagregada en
el Plan Maestro de Produccin y en la planeacin a corto plazo o "planeacin de
taller", si se aplica planeacin jerrquica, claro est.

TRANSPORTE

El PROBLEMA DEL TRANSPORTE

El llamado problema del transporte se refiere al proceso de determinar el nmero

de bienes o mercancas que se han de transportar desde cada uno de los
orgenes a cada uno de los destinos posibles. El objetivo suele ser minimizar
costes de transporte, y las restricciones vienen dadas por las capacidades
productivas de cada origen y las necesidades de cada destino. Este tipo de
problema es un caso especfico de PL, por lo que existen mtodos y algoritmos
especiales que facilitan su resolucin (Regla de la Esquina NorOeste, Mtodo de
Vogel, Mtodo de Paso Secuencial, y Mtodo de distribucin modificada o MODI).

Una compaa de mbito nacional produce y distribuye una lnea de bicicletas de

alta competicin. La empresa tiene lneas de montaje en dos ciudades, Castelln y
Sabadell, mientras que sus tres principales cadenas de distribucin estn
localizadas en Madrid, Barcelona, y Vitoria.

La oficina de Madrid presenta una demanda anual de 10.000 bicicletas, mientras

que la de Barcelona solicita 8.000 y la de Vitoria 15.000. La planta de Castelln
puede producir hasta 20.000 bicicletas anuales, por 15.000 la de Sabadell. Los
costes de transporte por unidad son los siguientes:
DESTINO ORIGEN Madrid Barcelona Vitoria Castelln 2 3 5 Sabadell 3 1
4 La compaa pretende establecer un plan de distribucin que minimice sus
costes anuales de transporte. TITLE EL PROBLEMA DEL TRANSPORTE ! CM =
"n bicicletas a transportar desde Castelln hasta Madrid" ! CB = "n " " " " "
Barcelona" ! CV = "n " " " " " Vitoria" ! SM = "n " " " Sabadell " Madrid" ! SB = "n "
" " " " Barcelona" ! SV = "n " " " " " Vitoria" Proyecto e-Math 15 Financiado por la
Secretara de Estado de Educacin y Universidades (MECD) Aplicaciones de la
Programacin Lineal MIN 2 CM + 3 CB + 5 CV + 3 SM + 1 SB + 4 SV ST CM + SM
= 10000 CB + SB = 8000 CV + SV = 15000 CM + CB + CV <= 20000 SM + SB +
SV <= 15000 END GIN 6 LP OPTIMUM FOUND AT STEP 2 OBJECTIVE VALUE =
96000.0000 OBJECTIVE FUNCTION VALUE 1) 96000.00 VARIABLE VALUE
REDUCED COST CM 10000.000000 2.000000 CB 0.000000 3.000000 CV
8000.000000 5.000000 SM 0.000000 3.000000 SB 8000.000000 1.000000 SV
7000.000000 4.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000
0.000000 3) 0.000000 0.000000 4) 0.000000 0.000000 5) 2000.000000 0.000000
6) 0.000000 0.000000 NO. ITERATIONS= 2 BRANCHES= 0 DETERM.= 1.000E 0

MEZCLAS

Una de las aplicaciones clsicas de los modelos de Programacin Lineal son los
problemas de mezcla de productos. Si la calidad de un producto que se procesa
mediante la mezcla de determinados insumos se puede aproximar de forma
razonable a travs de una proporcin, entonces un modelo de optimizacin lineal
puede resultar de utilidad. El ejemplo a continuacin muestra dicha situacin para
el caso de una refinera:

Problema de Mezcla de Productos en Programacin Lineal

Una refinera de petrleos produce dos tipos de gasolina sin plomo: regular y
extra, las cuales vende a los distribuidores en US$12 y US$14 por barril,
respectivamente. Ambos tipos se preparan a partir del inventario de petrleo
 nacional refinado y de petrleo importado refinado que tiene la empresa (es decir
mediante mezcla), las que deben cumplir las especificaciones que se presentan en
la siguiente tabla:

Las caractersticas del inventario de petrleos refinados son las siguientes:

Se requiere formular y resolver un modelo de Programacin Lineal que permita

maximizar el ingreso semanal de la refinera, satisfaciendo los requerimientos
previamente detallados.

Variables de Decisin:

Xnr: Barriles de petrleo nacional utilizados en la produccin de gasolina

regular
Xne: Barriles de petrleo nacional utilizados en la produccin de gasolina
extra
Xir: Barriles de petrleo importado utilizados en la produccin de gasolina
regular
 Xie: Barriles de petrleo importado utilizados en la produccin de gasolina
extra

Funcin Objetivo: Se busca maximizar los ingresos semanales que percibe la

refinera en la produccin de gasolina regular y extra.

Max 12*(Xnr + Xir) + 14*(Xne + Xie)

Restricciones:

Presin de Vapor: El promedio ponderado de la presin de vapor de los distintos

tipos de petrleos que participan de la mezcla no debe superar las 23 unidades
(para cada tipo de gasolina).

(25Xnr + 15Xir ) / (Xnr + Xir) <= 23

(25Xne + 15Xie ) / (Xne + Xie) <= 23

Octanaje Mnimo: El promedio ponderado del octanaje de los distintos tipos de

petrleos que participan de la mezcla debe ser al menos 88 y 93 unidades para la
gasolina regular y extra, respectivamente.

(87Xnr + 98Xir ) / (Xnr + Xir) >= 88

(87Xne + 98Xie ) / (Xne + Xie) >= 93

Demanda Mnima y Mxima: Para cada gasolina se debe producir semanalmente

una cantidad de barriles entre el mnimo y el mximo permitido.

50.000 <= Xnr + Xir <= 100.000

5.000 <= Xne + Xie <= 20.000

Inventario: Para la produccin de gasolina regular y extra se debe respetar la

disponibilidad de barriles de petrleo nacional e importado.

Xnr + Xne <= 40.000

 Xir + Xie <= 60.000

No Negatividad: Las variables de decisin naturalmente deben adoptar valores

mayores o iguales a cero.

Xnr, Xne, Xir, Xie >= 0

Al implementar el modelo de optimizacin anterior en Solver se alcanza la

siguiente solucin ptima y valor ptimo:

Se deben destinar 30.909,09 barriles de petrleo nacional para la produccin de

gasolina regular, 9.090,91 barriles de petrleo nacional para la produccin de
gasolina extra, 49.090,91 barriles de petrleo importado para la produccin de
gasolina regular y 10.909,09 barriles de petrleo importado para la produccin de
gasolina extra. La poltica de produccin anterior permite generar un ingreso
semanal de US$1.240.000.

Una recomendacin en la carga computacional es rescribir las restricciones que

incluyan proporciones de forma equivalente, de modo de evitar divisiones entre
celdas cambiantes (variables de decisin) y adicionalmente denominadores que
adopten inicialmente un valor igual a cero. Por ejemplo la restriccin: (25Xnr +
15Xir ) / (Xnr + Xir) <= 23 se puede representar de forma anloga de la siguiente
forma: (25Xnr + 15Xir ) -23 (Xnr + Xir) <= 0. De esta forma se puede corrobar, por
ejemplo, que en la solucin ptima la presin de vapor que alcanza la produccin
de barriles de gasolina regular es de: (25*30.909,09 + 15*49.090,91 ) / (30.909,09
+ 49.090,91)=18,8636 (aprox) que es menor o igual al lmite de 23 unidades.

PUNTO DE EQUILIBRIO

El Punto de Equilibrio es aquel punto de actividad en el cual los ingresos totales son
exactamente equivalentes a los costos totales asociados con la venta o creacin de un
producto. Es decir, es aquel punto de actividad en el cual no existe utilidad, ni prdida.

VARIABLES ASOCIADAS AL PUNTO DE EQUILIBRIO

Segn su definicin el anlisis del punto de equilibrio estudia la relacin existente

entre costos y gastos fijos, costos y gastos variables, volumen de ventas (de
produccin) y utilidades operacionales. Por ende es imperativo conocer de manera
precisa la naturaleza y el comportamiento de los costos asociados al proceso
productivo y/o financiero, segn sea el caso.

Para el anlisis del punto de equilibrio es frecuente clasificar los costos y gastos
en dos grupos: fijos y variables; an cuando un costo fijo y un gasto fijo no
equivalen a lo mismo, y an cuando un costo variable y un gasto variable no son
iguales.

CORTE DE MATERIALES

En la industria resulta comn encontrar que diversos materiales como lo

son papel, tela, plstico, madera, tubos, lminas de metal o varillas, etc.,
empleados como materia prima para distintos fines, y por lo general, producidos
por un fabricante el cual ms tarde proveer de dichos artculos a una gama de
clientes E INDUSTRIA Aplicacin construccin1 a la OPTIMIZACIN DE
MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE de la
FRANCISCO J. RVERO NGELES* EDUARDO GMEZ RAMREZ** Y
ALEJANDRO FLORES MNDEZ** El presente estudio propone el uso de un
algoritmo comnmente utilizado en la rama de investigacin de operaciones, en
conjunto con la programacin dinmica, para minimizar el desperdicio de
materiales. Para este fin es necesario optimizar los cortes en el material mediante
patrones de corte eficientes. Se aplica la metodologa propuesta con un ejemplo
de cortes de varilla que minimice el desperdicio, y en consecuencia, el costo
directo por materiales. Construccin y Tecnologa Octubre 2005 46 T E C N O L O
G A con requerimientos especficos sobre el producto. Uno de tales
requerimientos es la dimensin del material a necesitarse, por lo cual no es raro
que el fabricante o proveedor cuente con maquinaria o moldes que le permitan
producir materiales con distintas variaciones sobre sus dimensiones. Sin embargo,
a pesar de las diversas variaciones que el proveedor de materia prima puede
brindar, mltiples necesidades del cliente difieren de todas stas. De tal forma, el
productor se ve obligado a cortar para darle alguna variacin sobre su producto
con el fin de satisfacer los pedidos. Dichos cortes son efectuados comnmente por
cuchillas rectas que rebanan la materia prima por sus distintos lados para obtener
as las dimensiones estipuladas. Por lo antes expuesto resulta claro que la
decisin sobre la variacin del corte y la forma de hacerlo provocar un
desperdicio del material en mayor o menor medida, reflejndose sto directamente
en el costo de fabricacin. El objetivo entonces es satisfacer el pedido de un
cliente haciendo todo de la manera ms eficiente, a lo que se le conoce como el
problema de Corte de Guillotina, que fue una de las primeras aplicaciones de los
mtodos de Investigacin de Operaciones. En 1939, Kantorovich (1960) dio una
formulacin utilizando Programacin Lineal para solucionar el Problema de Corte
de Guillotina. El primero y ms significativo avance para su resolucin en el caso
unidimensional se centr en el trabajo realizado por Gilmore y Gomory (1961),
quienes utilizaron el mtodo de Generacin de Columnas. A partir de ese
momento, el mtodo se ha explotado ampliamente para resolver diversas
instancias de dicho problema, teniendo particular impacto en una gran variedad de
procesos industriales. Una aplicacin importante se da en la industria de la
construccin, pues el desperdicio puede ser un factor importante en el costo
directo de la obra.